检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于跨连接卷积神经网络的绝缘子检测方法

电力系统自动化 2019年第4期43卷 101-106页

作者：左国玉马蕾徐长福徐家园北京工业大学信息学部北京市100124 计算智能与智能系统北京市重点实验室北京市100124 国网江苏省电力有限公司电力科学研究院江苏省南京市211103

针对电力设备图像中绝缘子所占比例较小和容易漏检的问题,提出了基于跨连接卷积神经网络的绝缘子检测方法。首先,通过在区域建议网络将网络后三层的卷积层分别和全连接层连接,使得这三层的卷积特征同时送入分类层和回归层,从而得到一系... 详细信息

针对电力设备图像中绝缘子所占比例较小和容易漏检的问题,提出了基于跨连接卷积神经网络的绝缘子检测方法。首先,通过在区域建议网络将网络后三层的卷积层分别和全连接层连接,使得这三层的卷积特征同时送入分类层和回归层,从而得到一系列高质量的绝缘子候选区域;将得到的候选区域映射绝缘子检测子网络,通过将得到的感兴趣区域特征送入级联的Adaboost分类器,实现对绝缘子的检测。对所提出跨连接卷积神经网络生成的候选区域进行了评估,并对不同的绝缘子检测方法进行了对比实验。实验结果表明,该方法得到的候选区域召回率高且更集中于绝缘子所在位置,绝缘子检测准确率比常规方法高出10%。所提方法能较好地对复杂背景图像中不同大小的绝缘子进行有效识别和精确定位。

关键词：绝缘子卷积神经网络候选区域生成跨连接 Adaboost

基于边缘特征融合和跨连接的车道线语义分割神经网络

在线全文

学校读者我要写书评

暂无评论

天津大学学报（自然科学与工程技术版） 2019年第8期52卷 779-787页

作者：庞彦伟修宇璇天津大学电气自动化与信息工程学院天津300072

无人驾驶中的车道线检测任务需要同时确定车道线的位置、颜色和线型,而现有方法通常仅识别车道线的位置,不识别车道线的类型.为了端到端地解决这一问题,设计了一种语义分割神经网络,将一幅图像中不同车道线分割为不同区域,用每个区域的... 详细信息

无人驾驶中的车道线检测任务需要同时确定车道线的位置、颜色和线型,而现有方法通常仅识别车道线的位置,不识别车道线的类型.为了端到端地解决这一问题,设计了一种语义分割神经网络,将一幅图像中不同车道线分割为不同区域,用每个区域的类别标签表示其对应的车道线类型.首先,在主流的编码器-解码器框架下,构建了一个结构较为简单的基础网络.考虑到边缘特征是车道线检测中的重点,为基础网络的编码器并联了一个边缘特征提取子网络,通过逐层融合边缘特征图和原始特征图增强车道线的特征.边缘特征提取子网络的结构与基础网络的编码器相同,其输入是对车道线图像进行Sobel滤波的结果.此外,编码器和解码器对称位置的卷积层输出的特征图尺寸相同,但具有不同的语义层级.为了更好地利用这一特性,建立从编码器到解码器对称位置的跨连接,在解码器逐层上采样的过程中融合编码器对应尺寸的特征图.在TSD-Lane车道线检测数据集上的实验表明,相比于基础网络,基于边缘特征融合和跨连接的神经网络的分割性能得到了较为显著的提高.该网络具有较好的车道线分割性能,能够在确定车道线位置的同时,区分黄线或白线、虚线或实线.在计算资源充足的前提下,该网络能够达到实时的检测速度.

关键词：车道线检测语义分割边缘特征跨连接神经网络

在线全文

学校读者我要写书评

暂无评论

基于柔性薄膜阵列压力传感器的抱闸故障诊断

高技术通讯 2021年第8期31卷 836-843页

作者：皮瑶刘惠康李倩武汉科技大学教育部冶金自动化与检测技术工程研究中心武汉430081

抱闸制动装置广泛应用于工业提升装置、民用曳引式电梯,针对抱闸制动器的运行状态监测和故障诊断,本文提出一种基于柔性薄膜阵列压力传感器的故障诊断方法,运用卷积神经网络(CNN)对传感器的数据进行处理达到故障诊断的目的。本文在LeNet... 详细信息

抱闸制动装置广泛应用于工业提升装置、民用曳引式电梯,针对抱闸制动器的运行状态监测和故障诊断,本文提出一种基于柔性薄膜阵列压力传感器的故障诊断方法,运用卷积神经网络(CNN)对传感器的数据进行处理达到故障诊断的目的。本文在LeNet5模型的基础上引入跨连接部分,将网络结构中提取的低层次特征与高层次特征相结合,经过全连接层达到多分类的目的。通过训练来自柔性薄膜阵列压力传感器的实验数据,该模型实现了4种基本抱闸故障和正常状态的自动识别。实验结果表明,改进的LeNet卷积神经网络模型在抱闸故障诊断上的检测正确率达到99.19%,该模型在同一训练数据集上的表现明显优于传统的LeNet5模型。

关键词：柔性薄膜阵列压力传感器 LeNet模型跨连接抱闸制动器故障诊断

基于语义分割和逆透视变换的车道线检测算法研究

在线全文

学校读者我要写书评

暂无评论

基于语义分割和逆透视变换的车道线检测算法研究

作者：修宇璇天津大学

学位级别：硕士

无人驾驶是未来交通运输和汽车工业的发展方向,而车道线检测是无人驾驶的关键任务。在实际的无人驾驶汽车系统中,车道线检测模块需要能够识别车道线的位置、颜色和虚实。同时,无人驾驶汽车通常基于环境栅格地图进行路径规划和智能决策,... 详细信息

无人驾驶是未来交通运输和汽车工业的发展方向,而车道线检测是无人驾驶的关键任务。在实际的无人驾驶汽车系统中,车道线检测模块需要能够识别车道线的位置、颜色和虚实。同时,无人驾驶汽车通常基于环境栅格地图进行路径规划和智能决策,因此车道线检测的结果应该表示为栅格地图的形式。然而,传统的车道线识别方法通常仅识别车道线的位置,不识别车道线的颜色和虚实;其检测结果通常标注在图像上,由于存在透视变换引起的失真,不能反映道路平面上真实的车道线空间位置关系。为此,本文开展基于语义分割和逆透视变换的车道线检测算法研究。本文应用语义分割解决车道线检测问题,将一幅图像中的不同车道线分割为不同区域,其类别标签即为不同的车道线类型。本文提出了一个基于边缘特征融合和跨连接的车道线语义分割神经网络。首先,在主流的编码器-解码器框架下,设计了一个面向语义分割的卷积神经网络。其次,考虑到边缘特征是车道线检测中的重点,在编码端并联了一个边缘特征提取子网络,通过逐层融合边缘特征图和原始特征图增强车道线的特征。最后,为了更好地利用网络中不同语义层级的信息,建立从编码器到解码器的跨连接,在解码器逐层上采样的过程中融合编码器对应尺寸的特征图。此外,本文改进了传统车道线数据集的标注方式,使之适用于语义分割神经网络的训练和测试。在改进的数据集上进行了实验,证明边缘特征融合和跨连接结构显著地提高了基础网络对车道线的语义分割性能。本文所提网络能够在确定车道线位置的同时,区分黄线或白线、虚线或实线,在计算资源较为充足的前提下,能够达到实时的检测速度。基于车道线语义分割的结果,本文采用逆透视变换生成车道线栅格地图。由于逆透视变换依赖于相机参数,本文对车载相机的内外参数进行了标定和检验。本文根据栅格地图的大小在语义分割结果中确定感兴趣区域,通过逆透视变换生成了车道线栅格地图,作为车道线检测模块的输出结果。

关键词：车道线检测语义分割深度学习边缘特征跨连接逆透视变换

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的人脸表情识别算法研究

基于深度学习的人脸表情识别算法研究

作者：李勇北京化工大学

学位级别：硕士

人脸表情识别在当今社会的很多领域都是一个非常热门的研究课题,尤其是在模式识别、人工智能领域。如果想让计算机能像人类一样表达情感,拥有智能,那么首先计算机必须能够理解人的情感。由于人脸表情中包含丰富的个人情感信息,因此人脸... 详细信息

人脸表情识别在当今社会的很多领域都是一个非常热门的研究课题,尤其是在模式识别、人工智能领域。如果想让计算机能像人类一样表达情感,拥有智能,那么首先计算机必须能够理解人的情感。由于人脸表情中包含丰富的个人情感信息,因此人脸表情识别是计算机智能化必不可少的组成部分,目前该领域也吸引了大量的研究人员参与研究。由于人脸表情识别研究的复杂度较高,虽然各国学者提出了很多算法理论提高了识别率,但是表情识别领域仍然有很多问题亟待解决。传统的表情识别方法需要人工定义特征,人为的提取合适的特征,这样一来增加了大量的人为因素干扰,给表情识别带来了不确定性。深度学习(Deep Learning)是人工神经网络的一种,随着计算机的发展,多层神经网络训练问题一定程度上得到了解决,加上各种网络结构的提出并在图像分类识别,语音识别等领域得到了证明,深度学习掀起了新的研究热潮。深度学习已经被证明能够发现高维数据中的复杂结构,因此其在科学、商业、医疗等领域都将会有广泛的应用。本文主要工作及创新点如下:1、将经典的LeNet-5卷积神经网络应用到人脸表情识别中,由于目前还没有一种通用的网络结构可以很好的解决所有的问题,所以在数字库上表现优异的LeNet-5卷积神经网络在人脸表情识别中效果并不理想,在JAFFE表情库和CK+表情库中进行实验分别只能获得61.97%和32.32%的正确率。2、对LeNet-5网络进行改进,提出跨连接LeNet-5网络的面部表情识别算法,该算法能够将网络的低层次特征与高层次特征结合起来做为分类器的输入,提高了识别率。用该模型结构在JAFFE表情库和CK+表情库上分别能够得到94.37%和83.47%的正确率。3、为了理解卷积神经网络进行识别分类的中间过程,以及卷积神经网络向深层传播过程中提取的是什么样的特征,本文使用反卷积方法对卷积神经网路进行重构和理解,比较了两种不同的反卷积方法的效果,最终Zeiler等提出的反卷积方法对于本文网络的重构及理解有更好的表达效果。

关键词：人脸表情识别深度学习卷积神经网络跨连接反卷积

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的遥感图像分类算法研究

基于深度学习的遥感图像分类算法研究

作者：黎玲萍北京化工大学

学位级别：硕士

遥感图像分类是遥感技术的基础研究,提高遥感图像的分类精度,对精准农业、军事识别、环境监测等应用领域的发展具有重要意义。但是,目前遥感图像分类面临着光谱数据冗余、空间信息利用不足、训练样本有限等问题。本文从综合有效利用光谱... 详细信息

遥感图像分类是遥感技术的基础研究,提高遥感图像的分类精度,对精准农业、军事识别、环境监测等应用领域的发展具有重要意义。但是,目前遥感图像分类面临着光谱数据冗余、空间信息利用不足、训练样本有限等问题。本文从综合有效利用光谱-空间信息的角度出发,研究应用深度学习理论和模型,提高遥感图像中的光谱特征和空间特征的提取精度,并将光谱-空间特征联合分类,进一步实现提高分类精度的目的。本文主要研究内容及成果如下:(1)针对遥感图像分类中光谱-空间信息联合分类的问题,本文在决策融合方法的基础上设计了一种空谱特征融合方法。在该方法中,将光谱特征及其预测结果、空间特征及其预测结果融合分类。该方法不仅能独立提取光谱特征和空间特征,减少分类过程中的参数量和计算量。同时,有效地融合了不同结构层次的特征,对提高分类精度具有重要意义。(2)结合空谱特征融合方法,本文设计了基于卷积神经网络的遥感图像分类算法。在该算法中,包含了一个一维卷积神经网络用于提取光谱特征和一个二维卷积神经网络用于提取空间特征,最后将提取到的光谱特征和空间特征融合分类。该算法实现了光谱-空间特征融合分类,取得优于其他传统分类方法的分类结果,证明了该算法的可行性。(3)为了更充分地挖掘遥感图像的空间特征,减少空间信息的浪费,改进了基于卷积神经网络的遥感图像分类算法,设计了基于跨连卷积神经网络的遥感图像分类算法。该算法在基于空间信息的二维卷积神经网络的基础上,加入跨层连接的思想,构建了新的二维卷积神经网络用于空间特征提取。实验证明,该算法在高层特征中加入了细节特征,能提取到更多有效的特征,提高了空间信息的利用率,获得更好的分类效果,也说明了空间信息在遥感图像分类中具有重要作用。

关键词：遥感图像分类深度学习卷积神经网络特征提取跨连接

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进AlexNet的人脸表情识别

激光与光电子学进展 2020年第14期57卷 235-242页

作者：杨旭尚振宏昆明理工大学信息工程与自动化学院云南昆明650500

人脸表情会受到姿势、物体遮挡、光照变化以及人种性别年龄等因素的影响,需要卷积神经网络更有效准确地学习特征。AlexNet在表情识别中准确率不高,对输入图像尺寸有限制,针对这些问题,提出了改进AlexNet网络的人脸表情识别算法。在Alex... 详细信息

人脸表情会受到姿势、物体遮挡、光照变化以及人种性别年龄等因素的影响,需要卷积神经网络更有效准确地学习特征。AlexNet在表情识别中准确率不高,对输入图像尺寸有限制,针对这些问题,提出了改进AlexNet网络的人脸表情识别算法。在AlexNet网络中引入多尺度卷积更加适用于小尺寸的表情图像,提取出不同尺度的特征信息,并在把多个低层次特征信息在向下传递的同时与高层次特征信息进行跨连接特征融合,从而可以更加完整准确地反映图像信息,构造出更准确的分类器。跨连接会产生参数爆炸,导致网络训练困难,影响识别效果,因此利用全局平均池化对低层次特征信息进行降维,可减少跨连接产生的参数和过拟合现象。本文算法在CK+、JAFFE数据库上的准确率分别为94.25%和93.02%。

关键词：图像处理图像分类表情识别 AlexNet 特征提取多尺度卷积跨连接全局平均池化特征融合